【赠书】深入浅出embedding：原理解析与应用实践

‍‍

Embedding（嵌入）是当下人工智能领域的热点，并发挥着越来越重要的作用。本书从Embedding基础概念和方法讲起，逐渐深入其原理，并以应用实例作为辅助，是快速了解并掌握Embedding的参考指南。

本书内容

全书一共16章，分为两个部分：

第一部分为Embedding基础知识（第1～9章），主要讲解Embedding的基础知识、原理以及如何让Embedding落地的相关技术，如TensorFlow和PyTorch中的Embedding层、CNN算法、RNN算法、迁移学习方法等，重点介绍了Transformer和基于它的GPT、BERT预训练模型及BERT的多种改进版本等。

第1章：万物皆可嵌入，介绍了各种各样的embedding技术。

第2章：讲解如何获取Embedding，介绍了Pytorch和Tensorflow框架中的emdding layer使用，以及如何从预训练模型中获取embedding；

第3、4章分别介绍视觉处理、文本处理方面的基础知识；包括视觉中的卷积神经网络与预训练模型，文本处理中的训练神经网络，编解码模型与序列模型。

第5章为本书重点，介绍了多种注意力机制，包括给Encoder-Decoder模型添加注意力机制，Transfromer模型详解与实现，Transfromer-XL模型详解与实现；

第6～8章介绍了ELMo、BERT、GPT、XLNet等多种预训练模型；

第9章介绍了推荐排序系统中的深度学习技术，包括卷积神经网络，transformer的使用。

第2部分（第10 ~16章）Embedding应用实例

通过6个实例介绍了Embedding及相关技术的实际应用，包括如何使用Embedding提升传统机器学习性，如何把Embedding技术应用到推荐系统中，如何使用Embedding技术提升NLP模型的性能等。

第10章介绍如何使用Embedding处理机器学习中的分类特征；

第11章介绍如何使用Embedding提升机器学习性能；

第12章介绍如何使用Transformer实现将英文翻译成中文；

第13章介绍Embedding在推荐系统中的前沿应用；

第14章介绍如何使用BERT实现中文语句分类问题；

第15章介绍如何使用GPT-2实现文本生成；

第16章是对Embedding技术的总结。

本书主要作者：